Instructor Introduction
-
KAIST 건설및환경공학과 여화수 교수
∙ 서울대학교 토목공학과 학사 (1996)
∙ UC Berkeley 토목환경공학과 석사 (2004)
∙ UC Berkeley 토목환경공학과 박사 (2008)
1997~1999 청오지앤지(주) 연구원
∙ 2000~2000 e-HD.com 위성영상 사업팀
∙ 2001~2002 Lockheed Martin Global ,매니저 
∙ 2004~2009 UC Berkeley 연구조교 및 연구원 
∙ 2009~2009 UC Berkeley, California PATH, 박사후 연구원 
∙ 2009~현재 카이스트 건설 및 환경공학과 
연구 분야 
(1) Transportation Systems Engineering
(2) ITS (Intelligent Transportation Systems)
(3) Traffic Safety
(4) Transportation Infrastructure Engineering
Lecture plan
-
CHAPTER 1. 지능형 교통체계에 대한 이해
- 1. 교통 시스템이란 무엇인가?
- 2. 교통 시스템에 대한 이해
- 3. 교통 시스템의 평가
- 4. 교통 분야의 주요 문제들
- Chapter 1 Quiz
-
CHAPTER 2. 교통 시스템의 현재와 미래
- 1. 지능형 교통 시스템이란?
- 2. 스마트시티
- 3. 스마트시티와 미래 모빌리티
- Chapter 2 Quiz
-
CHAPTER 3. 교통 데이터의 이해
- 1. 교통 데이터의 관측
- 2. 교통 검지 장치
- 3. 새로운 종류의 교통 검지 장치
- 4. 교통데이터의 관리와 분석
- 5. 교통 변수
- 6. 기본 교통변수와 교통기본도
- Chapter 3 Quiz
-
CHAPTER 4. 교통류 해석 기초 이론
- 1. 교통류 이론
- 2. 1st order model
- 3. 2nd order model
- Chapter 4 Quiz
-
CHAPTER 5. 머신러닝과 회귀분석
- 1. 머신러닝 개요와 종류
- 2. 회귀분석
- 3. 머신러닝을 통한 회귀분석
- Chapter 5 Quiz
-
CHAPTER 6. 데이터의 분류와 활용
- 1. 데이터의 분류
- 2. 이진분류
- 3. 다중분류
- 4. SVM 클래스 분류
- 5. 활용 예: 뉴욕 택시 수요 예측
- 6. 데이터 전처리 및 예측
- Chapter 6 Quiz
-
CHAPTER 7. 교통데이터와 딥러닝 1: 딥러닝의 기초
- 1. 퍼셉트론과 활성함수
- 2. 다층 퍼셉트론 학습
- 3. Back Propagation
- 4. Loss Function and Batch Learning
- 5. Momentum Method
- Chapter 7 Quiz
-
CHAPTER 8. 교통데이터와 딥러닝 2: CNN, RNN, LSTM
- 1. Convolution Neural Network (CNN)
- 2. 교통 분야 CNN의 활용 예: 보행자 감지 및 추적
- 3. Recurrent Neural Network (RNN)
- 4. Long Short-Term Memory (LSTM)
- 5. 교통 분야 RNN의 활용 예: 이동경로 예측
- Chapter 8 Quiz
-
CHAPTER 9. 교통데이터와 딥러닝 3: 지능형 교통체계
- 1. 강화 학습
- 2. Q-Learning
- 3. Deep Q-Network
- 4. DQN의 활용 예: Atari Game
- 5. 교통신호제어의 이해
- 6. 강화학습을 이용한 교통신호 제어
- Chapter 9 Quiz
-
★강의 수강 후 의견을 부탁드리겠습니다.★
- 교수님 강의에 대한 별점을 매겨주세요. 여러분의 의견이 많은 도움이 됩니다:D
Additional Info
[수강 대상]
교통공학과에 대한 기초지식이 있는 사람
[선수 지식 (필수적인 것은 아님)]
교통공학개론, 지능형교통체계, 기초통계학